将data.frame列名传递给一个函数
我试图写一个函数来接受data.frame（ x ）和它的一column 。 该函数在x上执行一些计算，然后返回另一个data.frame。 我坚持最佳实践方法将列名传递给函数。
下面的两个最小例子fun1和fun2产生所需的结果，能够在x$column上执行操作，以max()为例。 但是，两人都依靠看似（至less对我来说）不雅
- 调用
substitute()和可能eval() - 需要将列名作为字符向量传递。
fun1 <- function(x, column){ do.call("max", list(substitute(x[a], list(a = column)))) } fun2 <- function(x, column){ max(eval((substitute(x[a], list(a = column))))) } df <- data.frame(B = rnorm(10)) fun1(df, "B") fun2(df, "B")
例如，我希望能够将该函数调用为fun(df, B) 。 其他选项，我已经考虑，但没有尝试过：
- 传递
column作为列号的整数。 我认为这将避免substitute()。 理想情况下，该function也可以接受。 -
with(x, get(column))，但是，即使它起作用，我认为这仍然需要substitute - 利用
formula()和match.call()，我也没有太多的经验。
子问题 ： do.call()是否优于eval() ？
您可以直接使用列名称：
df <- data.frame(A=1:10, B=2:11, C=3:12) fun1 <- function(x, column){ max(x[,column]) } fun1(df, "B") fun1(df, c("B","A"))
没有必要使用替代品，评估等。
您甚至可以将所需的function作为parameter passing：
fun1 <- function(x, column, fn) { fn(x[,column]) } fun1(df, "B", max)
或者，使用[[也适用于一次select一个列：
df <- data.frame(A=1:10, B=2:11, C=3:12) fun1 <- function(x, column){ max(x[[column]]) } fun1(df, "B")
这个答案将涵盖许多与现有答案相同的元素，但是这个问题（将列名传递给函数）经常出现，所以我想在那里得到一个更全面的答案。
假设我们有一个非常简单的数据框架：
dat <- data.frame(x = 1:4, y = 5:8)
我们想写一个函数来创build一个新的列z ，它是列x和y的总和。
这里一个非常常见的绊脚石是，一个自然的（但不正确的）尝试通常是这样的：
foo <- function(df,col_name,col1,col2){ df$col_name <- df$col1 + df$col2 df } #Call foo() like this: foo(dat,z,x,y)
这里的问题是， df$col1不会评估expression式col1 。 它只是在df查找一个名为col1的列。 此行为在“recursion（类列表）对象”一节下的“ ?Extract进行了描述。
最简单，也是最经常推荐的解决scheme是简单地从$切换到[[并将函数参数作为string传递：
new_column1 <- function(df,col_name,col1,col2){ #Create new column col_name as sum of col1 and col2 df[[col_name]] <- df[[col1]] + df[[col2]] df } > new_column1(dat,"z","x","y") xyz 1 1 5 6 2 2 6 8 3 3 7 10 4 4 8 12
这通常被认为是“最佳做法”，因为这是最难解决的方法。 将字段名称作为string传递是毫无疑义的。
以下两个选项更为先进。 许多stream行的软件包使用这些技术，但是使用它们需要更多的关心和技巧，因为它们可以引入微妙的复杂性和意想不到的失败点。 这部分哈德利的高级R书是这些问题的一个很好的参考。
如果您确实想要保存用户input所有这些引号，则可以使用deparse(substitute())将裸露的未引用的列名转换为string：
new_column2 <- function(df,col_name,col1,col2){ col_name <- deparse(substitute(col_name)) col1 <- deparse(substitute(col1)) col2 <- deparse(substitute(col2)) df[[col_name]] <- df[[col1]] + df[[col2]] df } > new_column2(dat,z,x,y) xyz 1 1 5 6 2 2 6 8 3 3 7 10 4 4 8 12
坦率地说，这可能有点愚蠢，因为我们真的和new_column1做的一样，只是把一些额外的工作转换成string。
最后，如果我们想要变得很花哨，我们可以决定不是传递两列的名字来添加，而是希望变得更加灵活，并允许两个variables的其他组合。 在这种情况下，我们可能会在包含两列的expression式上使用eval() ：
new_column3 <- function(df,col_name,expr){ col_name <- deparse(substitute(col_name)) df[[col_name]] <- eval(substitute(expr),df,parent.frame()) df }
为了好玩，我仍然使用deparse(substitute())作为新列的名称。 在这里，以下所有内容都将起作用：
> new_column3(dat,z,x+y) xyz 1 1 5 6 2 2 6 8 3 3 7 10 4 4 8 12 > new_column3(dat,z,xy) xyz 1 1 5 -4 2 2 6 -4 3 3 7 -4 4 4 8 -4 > new_column3(dat,z,x*y) xyz 1 1 5 5 2 2 6 12 3 3 7 21 4 4 8 32
所以简单的答案基本上是：将data.frame列名作为string传递，并使用[[select单个列。 只有开始钻研eval ， substitute等，如果你真的知道你在做什么。
我个人认为，将字段作为string传递是非常难看的。 我喜欢做一些事情：
get.max <- function(column,data=NULL){ column<-eval(substitute(column),data, parent.frame()) max(column) }
这将产生：
> get.max(mpg,mtcars) [1] 33.9 > get.max(c(1,2,3,4,5)) [1] 5
注意data.frame的规范是可选的。 你甚至可以使用你的列的function：
> get.max(1/mpg,mtcars) [1] 0.09615385
